:type key: int :rtype: int

:type x: int :rtype: int

返回栈顶但不压出。

查看栈顶的数据但不压出。

{ key: {'value': value, 'weight': self.current_cache_number} } {

replace the existed key to new value and weight.

Removes a value from the set. Returns true if the set contained the specified element. :type val: int :rtype: bool

这里用实例对象。

返回快排所需的基准点， 左右中中间选择一个。 若不足3位，选左。

:type nums: List[int] :type target: int :rtype: List[int]

True is reached capacity. False is not.

:type coins: List[int] :type amount: int :rtype: int

[[0, 0, 0].....] 从 0,0 开始，如果遇到1则进入递归： 递归结束条件： 四周都是 0或边界。 结束时将搜索到的人数添加。 未结束时根据四周的情况进入相同的递归。

:type v: int :rtype: int

:type intervals: List[Interval] :type newInterval: Interval :rtype: List[Interval]

:type s1: str :type s2: str :type s3: str :rtype: bool

思路与前一致，前一版的主要瓶颈在于有太多重复的数据，若可以将这些重复的数据统计到一起，可以极大的减少对比次数。 [[3], [2], [1]] 现在变为 [[(3, 1)], [(2, 1)], [(1, 1)]]

这个测试数据的结构是我自己写的，所以第一步是打散数组。 1. 根据第一个字符出现的位置进行排序。 2. 迭代，记录i的头，记录i的末尾，末尾与下一个i的头做比较，若前者记录的大或相等则末尾替换为两者中较大的一个。 3. 不大的情况添加

每次都选一个基准点，大的放在右边，小的放在左边，等于的随便归到一个地方，不断拆分拆分。 这里直接选用[0]，当然这种情况下往往会发生不理想的情况， 不理想的情况表示每次恰好都是最小或最大，这样的结果会直接导致算法变为O(n^2

:type nums: List[int] :rtype: List[List[int]]

initialize your data structure here.

Initialize your data structure here.

:type root: TreeNode